جستجوی مقالات مرتبط با کلیدواژه "رگرسیون لوجستیک" در نشریات گروه "آبخیزداری، بیابان، محیط زیست، مرتع"
تکرار جستجوی کلیدواژه «رگرسیون لوجستیک» در نشریات گروه «کشاورزی»جستجوی رگرسیون لوجستیک در مقالات مجلات علمی
-
مجله مراتع، سال دهم شماره 2 (Spring 2020)، صص 137 -148
بررسی رابطه بین گونه های گیاهی و عوامل محیطی در اکولوژی گیاهان از اهمیت بالایی برخوردار بوده است. هدف از این مطالعه مدلسازی با روش های رگرسیون لجستیک LR و آنتروپی حداکثر MaxEnt برای زیستگاه uloptera Prangos در مراتع جنوبی استان اردبیل، ایران بود. داده های گیاهی حضور و عدم حضور uloptera. P و برخی از عوامل محیطی از جمله خاک، توپوگرافی و متغیرهای اقلیمی جمعآوری شد. نقشه تیپ گیاهی با استفاده از نقشه های شیب و ارتفاع مقیاس 00222 :1 و تصاویر ماهوارهای تهیه شده است. نمونه های پوشش گیاهی در سال 1930 جمع آوری شد. در هر مکان، سه ترانسکت 122 متری مستقر شد دو ترانسکت در جهت شیب و یک ترانسکت عمود بر جهت شیب مستقر شدند. در هر ترانسکت، ده پالت 4 مترمربعی قرار گرفت و کل تاج پوشش و تراکم گیاهان ثبت شد. به طورکلی، 182 پالت در شش سایت، نمونهبرداری شد. نمونه های خاک در آغاز و انتهای هر ترانسکت در عمق 2 تا 92 سانتیمتر جمع آوری شدند عمق خاک بر اساس فعالیت ریشه گونه های گیاهی انتخاب شد. روش LR با استفاده از نرم افزار SPSS ورژن 13 و روش آنتروپی حداکثر در نرم افزار MaxEnt ورژن 1.9 انجام شد. مدل LR نشان داد، بارندگی بیشترین تاثیر را در پراکنش رویشگاه uloptera. P داشت. صحت روش LR برای نقشه پیشبینی خوب بود شاخص کاپا = 50/2 .روش MaxEnt نشان داد که متغیرهایی از جمله شن، نیتروژن، سیلت، پتاسیم بیشترین تاثیر را در پراکنش رویشگاه uloptera. P داشت. صحت روش MaxEnt کم بود شاخص کاپا = 90/2 .بنابراین، صحت روش LR در مقایسه با روش MaxEnt قابل اطمینانتر است. بنابراین میتوان از روش های مدلسازی برای پیشبینی موقعیت گونه های گیاهی به منظور مدیریت بهتر و بهبود مراتع استفاده کرد و میتوان آن را در مناطقی با شرایط مشابه گسترش داد.
کلید واژگان: رگرسیون لوجستیک, MaxEnt, عوامل محیطی, استان اردبیلInvestigation of the relationship between plant species and environmental factors plays an important role in plant ecology. The present study aimed to develop the best predicting model for distribution of Prangos uloptera DC. using logistic regression (LR) and Maximum Entropy Methods (MaxEnt) in its habitat in the southern rangeland of Ardabil province, Iran. Vegetation data (presence and absence of P. uloptera) and environmental factors (including soil, topography and climatic variables) were collected. The original vegetation type map was prepared using slope and elevation maps (1: 25000 scale) and satellite imagery (Landsat). Vegetation samples were collected in 2016. In each site, three transects of 100 m length were deployed (two transects in the direction of a gradient and one transect perpendicular to the slope direction). On each transect, ten 4m2 plots were placed along each transect, and the total canopy cover and plant density were recorded. Overall, 180 plots were sampled in six sites. Soil samples were collected at a depth of 0-30 cm at the beginning and end of each transect. The LR method was performed in the SPSS Ver. 19 software, and the Maximum Entropy method was carried out in the MaxEnt Ver. 3.1 software. The LR model showed that rainfall had the highest effect on the distribution of the P. uloptera habitat. The accuracy of the LR method for the prediction map was good (Kappa index= 0.65). The MaxEnt method showed that variables, including sand, nitrogen (N), silt, and potassium (K) had the highest effect on distribution of P. uloptera habitat. However, the accuracy of the MaxEnt method was low (Kappa index=0.35). It was concluded that modeling methods could be used as a prediction tool to determine the location of plant species. This may lead to better rangelands management and improvement in areas with similar conditions.
Keywords: Logistic regression, MaxEnt, Environmental factors, Ardabil province -
آهوی ایرانی(Gazella subgutturosa)، با وضعیت حفاظتی آسیب پذیرVU ،گونه ای از گاوسانان ساکن مناطق دشتی و استپی ایران است که جمعیت آن در دهه های اخیر کاهش چشمگیری یافته است. منطقه حفاظت شده هفتادقله ازجمله زیستگاه های این گونه در گذشته محسوب می شده که در حال حاضر در داخل منطقه منقرض شده است. به منظور معرفی مجدد این گونه به منطقه حفاظت شده هفتادقله آگاهی از زیستگاه های مطلوب در سطح منطقه ضروری است، از این رو در این پژوهش با استفاده از دو رویکرد مکسنت و رگرسیون لوجستیک و داده های مربوط به گذشته(سال 1354)، مدل مطلوبیت زیستگاه آهو در منطقه حفاظت شده هفتادقله در گذشته تهیه و با توجه به شرایط فعلی متغیر های زیست محیطی به زمان حال(سال 1392) تعمیم داده شد. از جمله فاکتورهای مورد بررسی، ارتفاع از سطح دریا، شیب، منابع آب و عوامل انسانی شامل فاصله از روستاها، معادن، مزارع و جاده ها بود که به عنوان متغیرهای پیش بینی کننده در مدل مطلوبیت زیستگاه مورد استفاده قرار گرفت. میزان بالای سطح زیر منحنی (بالاتر از 80%) در هر دو رویکرد نشان دهنده قابلیت بالای مدل ها در تفکیک زیستگاه های مطلوب و نا مطلوب از یکدیگر بود. نتایج دو رویکرد نشان داد که آهو مناطقی با ارتفاع کم، شیب کم، نزدیک به منابع آبی و دور از جاده ها، مزارع و معادن را ترجیح می-دهد. مقایسه نقشه های مطلوبیت زیستگاه بدست آمده از گذشته و حال منطقه توسط هر دو رویکرد نشان داد که در سال های اخیر طبق رویکرد مکسنت 13% و طبق رویکرد رگرسیون لوجستیک 16%از سطح مناطق مطلوب زیستگاه آهو نسبت به سه دهه گذشته کاسته شده است.کلید واژگان: آهوی ایرانی(Gazella subgutturosa), منطقه حفاظت شده هفتادقله, مطلوبیت زیستگاه, مکسنت, رگرسیون لوجستیکPersian Gazelle (Gazella subgutturosa) with conservation status of vulnerable (VU) is one of Bovidae species living in plain and steppe regions of Iran and its population has declined dramatically. Haftad Gholleh Protected Area has been considered as one of the suitable habitats for this species for many years. However,its population faced local extinction. In order to re-introduce the species to Haftad Gholleh Protected Area, the current suitability of protected area habitats should be evaluated. Therefore, in this study, the occurrence data for gazelles was extracted by reviewing local reports and interview with experts. These occurrence data was related to the anthropogenic and topographic characteristics of the habitat in the past (30 years ago the last time gazelles were reported from the area), using maxent and logistic regression methods. Then, the developed models were projected to the current status of the protected area to estimate the present situation of suitable habitats for gazelles. Both models indicated high discrimination power with AUC greater than 80 percent. Results of both models, suggested that areas with low elevation, low slope, close to the water sources and away from roads, farms and the mines are suitable for gazelles. Current suitable maps for gazelles indicate a decrease by 13% and 16% in maxent method and logistic regression method, respectively.finally, both models predict seven percent of the protected area as suitable for gazelles. These areas are of great priority in any attempt for reintroduction of gazelles to Haftad Gholleh Protected Area.Keywords: Persian Gazelle (Gazella subgutturosa), Haftad Gholleh Protected Area, habitat suitability, Maxent, Logistic Regression
-
این پژوهش با هدف ارزیابی توانایی روش رگرسیون لوجستیک در مشخص کردن شرایط محیطی موثر در حضور گونه های گیاهی و شناسایی مناطق مناسب برای استقرار این گونه ها انجام شد. بعد از مشخص کردن واحدهای همگن بوم شناختی در هر رویشگاه، با استفاده از نقشه های شیب، جهت، ارتفاع و زمین شناسی با مقیاس 1:25000، نمونه برداری از پوشش گیاهی به روش تصادفی - سیستماتیک از طریق پلات گذاری در امتداد 4 ترانسکت 200 و1000 متری به صورت عمود بر هم انجام شد. سطح پلات ها با توجه به نوع گونه های موجود، به روش سطح حداقل بین 2 تا 25 متر مربع و تعداد آن ها با توجه به تغییرات پوشش گیاهی و روش آماری 60 پلات تعیین شد. برای نمونه برداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 30-0 و80-30 سانتی متری نمونه گرفته شد. نقشه های پیش بینی رویشگاه گونه های گیاهی با استفاده از مدل های پیش بینی حاصل و عوامل موجود در آن ها تهیه شد. بعد از تعیین آستانه بهینه حضور، میزان تطابق نقشه های طبقه بندی شده با نقشه های واقعی پوشش، با استفاده از ضریب کاپا و آماره واقعی عملکرد اندازه گیری شد. بر اساس مدل های حاصل، نوع سازند زمین شناسی، درصد سنگریزه، بافت خاک، اسیدیته و آهک بیشترین نقش را در پراکنش جوامع گیاهی مورد مطالعه دارند. بر اساس نتایج حاصل، میزان تطابق نقشه های پیش بینی حاصل از مدل ها با نقشه واقعی برای رویشگاه Amygdalus scoparia، عالی؛ برای رویشگاه های Scariola orientalis-Stipa barbata وPteropyrum olivieri- Stipa barbata، خوب و برای رویشگاه Artemisia aucheri–Astragalus glaucacanthus، متوسط ارزیابی شد. بر اساس این نتایچ، روش گرسیون لوجستیک برای رویشگاه گونه Amygdalus scoparia که دارای شرایط رویشگاهی منحصر به فردی است، مدل پیش بینی با دقت بالاتری را ارائه داد. برای سایر رویشگاه های مورد بررسی، به دلیل دامنه بوم شناختی گسترده آنها، دقت مدل های پیش بینی به دست آمده پایین تر بود.
کلید واژگان: مدل پیش بینی, آستانه بهینه, رگرسیون لوجستیک, روش حساسیت و اختصاصیت برابر, ضریب کاپاThis study was conducted to evaluate the ability of logistic regression to specify the environmental condition affecting the presence of selected plant species, and identifying suitable areas for the establishment of these species. Some sites with relatively homogeneous ecological conditions were identified by overlaying slope, aspect, elevation and geology maps (1: 25000 scales). Vegetation sampling was carried out using random- systematic method, and 60 plots were established along four transects with 200-1000 meters length in each site. The appropriate plot sizes were determined from 2 to 25 m2 using Minimal Area Method. Soil samples were collected from eight soil profiles in each site from 0-30 cm and 30-80 cm depths from soil surface. Predictive maps of plant species habitats were produced using Logistic regression method. Optimal environmental condition of selected plant species were determined and predictive performance of the produced potential maps were assessed using kappa coefficient and the True skill Static. According to the results, geological formation, percent gravel, soil texture, acidity and lime contents were identified as the most important factors controlling distribution of plant communities in the study area. The accuracy of produced predictive maps for Amygdalus scoparia was very good, for Scariola orientalis- Stipa barbata and Pteropyrum olivieri- Stipa barbata were good and for Artemisia aucheri- Astragalus glaucacanthus vegetation habitats was moderate. The results showed that the logistic regression models, provides high accuracy predictive model for Amygdalus scoparia habitat due to its exclusive habitat conditions. The accuracies of the produced maps for other vegetation habitats were lower than Amygdalus scoparia because they had more wider ecological spectrum.Keywords: Prediction model, optimal threshold, Logistic regression method, equal sensitivity, specificity, kappa -
هدف از این پژوهش مدل سازی پراکنش رویشگاه های مراتع چهار باغ استان گلستان است. به این منظور، نمونه برداری از پوشش گیاهی به روش سیستماتیک-تصادفی انجام شد. در هر تیپ رویشی، 3 ترانسکت 50 متری در نظر گرفته شد. در امتداد هر ترانسکت، 10 پلات یک متر مربعی در فواصل 5 متری قرار داده شد. در هر تیپ رویشی، 30 پلات و در مجموع کل تیپ ها 150 پلات انداخته شد. همچنین در ابتدا و انتهای هر ترانسکت در عمق 30-0 سانتی متر نمونه برداری از خاک انجام شد. خصوصیات خاک شامل میزان شن، میزان رس، میزان سیلت، آهک، ازت، ماده آلی، اسیدیته، هدایت الکتریکی اندازه گیری شد. از عوامل فیزیوگرافی شیب، جهت جغرافیایی و ارتفاع از سطح دریا در هر منطقه نمونه برداری ثبت شد. بعد از جمع آوری داده ها با استفاده از روش رگرسیون لوجستیک، رابطه بین حضور گونه های گیاهی و عوامل محیطی بررسی شد. برای ارائه نقشه پیش بینی پوشش گیاهی لازم است نقشه کلیه عوامل موجود در مدل ها تهیه شود، بنابراین، برای تهیه نقشه خصوصیات خاک از روش های زمین آمار استفاده شد. با استفاده از نقشه عوامل موجود در مدل ها، به کمک سیستم GIS، نقشه پیش بینی پراکنش هر گونه گیاهی تهیه شد. برای ارزیابی میزان تطابق نقشه پیش بینی با نقشه واقعی تیپ های گیاهی از شاخص کاپا استفاده شد. این ضریب در تیپ Artemisia aucheri برابر 80/0، در تیپ Festuca ovina-Astragalus gossypinus برابر 98/0 ، در تیپ Bromus tomentellus برابر 61/0 و در تیپ Bromus tomentellus-Festuca ovina برابر 57/0 می باشد که ارزیابی مدل حاکی از آن است تیپ Festuca ovina-Astragalus gossypinus دارای بیشترین دقت و تیپ Bromus tomentellus-Festuca ovina دارای کمترین دقت در تولید نقشه رویشگاه هاست.کلید واژگان: مدل سازی, رگرسیون لوجستیک, عوامل محیطی, مراتع چهار باغ گلستانThe purpose of this study is to model the distribution of grassland habitats province of Chaharbagh. To this end, sampling of vegetation was systematic-random method that at each site three transects of 50 m was considered. Along each transect, 10 plots of one square meter was placed at a distance of 5 meters.30 plots in each vegetation type and total of 150 plots were carried out. The soil samples were taken at a depth of 0-30 cm. Soil characteristics include the amount of sand, clay content, silt content, lime, gypsum, Ec, pH, electrical conductivity was measured and physiographic factors of slope, aspect and elevation were recorded. After collecting data using logistic regression, the relationship between the plant types and environmental factors were assessed. For predictive mapping of vegetation is necessary to prepare maps of all the factors included in the models, so we used geostatistical methods for mapping soil properties. By the design of the models, with the help of GIS, the predicted distribution maps for each species were obtained. To evaluate the fit of the model predictions with actual map vegetation types, was used kappa index. The coefficient of Artemisia aucheri type equale ./80, The type Festuca.ovina-Astragalus.gossypinus equale ./98, Bromus.tomentellus type equale ./61 And the type Bromus.tomentellus-Festuca.ovina equale ./57, this model showed The type Festuca.ovina-Astragalus.gossypinus had the most accuracy and Bromus.tomentellus-Festuca.ovina type had the least accuracy in the production of habitat maps.Keywords: modeling, logistic regression, environmental factors, Ranglands in Golestan Chaharbagh
-
این پژوهش به منظور ارائه مدل پیش بینی پراکنش گونه های گیاهی انجام شد. برای این منظور، ابتدا با استفاده از نقشه هایشیب،جهت، ارتفاع و زمین شناسیبا مقیاس 1:25000، واحدهای همگن بوم شناختی مشخص شد. سپس در هر واحد همگن، نمونه برداری از پوشش گیاهیبهروشتصادفی-سیستماتیکازطریقپلات گذاریدرامتدادچهارترانسکت (فاصله بین ترانسکت ها با توجه به شرایط منطقه500 متر انتخاب شد) انجامشد. اندازه نمونه با توجه به تغییرات پوشش گیاهی و روش آماری 60 پلات و اندازه پلات ها نیز حداقل سطح 2 تا 25 متر مربع تعیین شد. برای اندازه گیری خصوصیات خاک در طول هر ترانسکت دو پروفیل حفر و از دو عمق 30-0 و80-30 سانتی متر نمونه خاک برداشت شد و خصوصیات سنگریزه، بافت، رطوبت اشباع، رطوبت قابل دسترس، آهک، گچ، ماده آلی، اسیدیته، هدایت الکتریکی با روش های معمول اندازه گیری شد. نقشه پیش بینی رویشگاه گونه های گیاهی با استفاده از مدل های رگرسیون لوجستیک تهیه شد. بعد از تعیین آستانه بهینه حضور به روش حساسیت و اختصاصیت برابر، میزان تطابق نقشه های پیش بینی با نقشه های واقعی پوشش با استفاده از ضریب کاپا اندازه گیری شد. بر اساس مدل های حاصل، عوامل هدایت الکتریکی، بافت خاک، اسیدیته، مقدار گچ، آب در دسترس، مقدار سنگریزه و آهک بیشترین نقش را در پراکنش جوامع گیاهی مورد مطالعهدارند. میزان تطابق نقشه های پیش بینی حاصل با نقشه واقعی برای رویشگاه HalocnemumStrobilaceum، خیلی خوب؛ برای رویشگاه های Tamarixpasserinoides،Artemisia sieberi1، خوب و برای رویشگاه های Seidlitziarosmarinus وArtemisia sieberi2 ضعیف برآورد شد. این نتایج نشان داد که روش رگرسیون لوجستیک قادر است رویشگاه گونه هایی با دامنه بوم شناختی محدود را بهتر از گونه های با دامنه بوم شناختی گسترده پیش بینی کند. همچنین آستانه بهینه حضور برای هر یک از گونه های گیاهی و مدل مربوط به آن گونه متفاوت است.
کلید واژگان: مدل پیش بینی پراکنش, آستانه بهینه حضور, رگرسیون لوجستیک, مراتع قم -
هدف از این پژوهش ارائه مدل پیش بینی پراکنش گونه های گیاهی مراتع شرق سمنان، با استفاده از مدل رگرسیون لوجستیک، است. بدین منظور، اطلاعات پوشش گیاهی و عوامل رویشگاهی، از قبیل توپوگرافی و خاک، جمع آوری شد. برای تهیه این اطلاعات، علاوه بر نمونه برداری میدانی از آمار و اطلاعات ایستگاه های هواشناسی منطقه، از تصاویر ماهواره ای و نقشه مدل رقومی ارتفاع استفاده شد. برای جمع آوری اطلاعات پوشش گیاهی در هر واحد، نمونه برداری در طول 3 ترانسکت 750 متری انجام شد. در طول هر ترانسکت 15 پلات، با ابعادی که به روش حداقل سطح تعیین گردید، به فاصله 50 متر نصب شد. در هر پلات نوع گونه های موجود و درصد تاج پوشش آن ها تعیین شد. همچنین، در ابتدا و انتهای هر ترانسکت از عمق 20- 0 و 80- 20 سانتی متر نمونه خاک برداشت شد. برای ارائه مدل پیش بینی گونه های گیاهی از روش رگرسیون لوجستیک استفاده شد. برای ارائه نقشه پیش بینی پوشش گیاهی لازم است نقشه کلیه عوامل موجود در مدل ها تهیه شود، بنابراین، برای تهیه نقشه خصوصیات خاک از روش های زمین آمار استفاده شد. با استفاده از نقشه عوامل موجود در مدل ها، به کمک سیستم GIS، نقشه پیش بینی پراکنش هر گونه گیاهی تهیه شد. برای ارزیابی میزان تطابق مدل پیش بینی با نقشه واقعی تیپ های گیاهی از شاخص کاپا () استفاده شد. نقشه های پیش بینی رویشگاه گونه های گیاهی Astragalus spp. (ضریب کاپای 86/0)، Halocnemum strobilaceum (ضریب کاپای 51/0)، Zygophyllum eurypterum (ضریب کاپای 58/0)، و Seidlitzia rosmarinus (ضریب کاپای 6/0) بهتر از سایر گونه ها با نقشه پوشش گیاهی تطابق دارد. برای گونه Artemisia sieberi (ضریب کاپای 33/0)، به دلیل داشتن دامنه وسیع اکولوژیک، نقشه پیش بینی با واقعیت زمینی تطابق مناسبی نداشت.
کلید واژگان: رگرسیون لوجستیک, زمین آمار, شاخص کاپا, مراتع سمنان, نقشه پیش بینیThe aim of this study was providing plant species predictive habitat models by using logistic regression method. For this purpose, study area conducted in north east rangelands of Semnan modeling vegetation data in addition to site condition in formation including topography, and soil was prepared. sampling was done within each unit of sampling parallel transects and 1 vertical transect with 750m length, each containing 15 quadrates (according to vegetation variations) were established. Quadrate size was determined for each vegetation type using the minimal area method. Soil samples were taken from 0-20 cm and 20-80 cm in starting and ending points of each transect. Logestic regression (LR) techniques were implemented for plant species predictive modeling. To plant predictive mapping, it is necessary to prepare the maps of all affective factors of models. To mapping soil characteristics, geostatistical method was used based on obtained predictive models for each species (through LR method). The accuracy of the predicted maps was tested with actual vegetation maps. In this study, the adequacy of vegetation type mapping was evaluated using kappa statistics. Predictive maps of Astragalus spp. (κ =0.86), Halocnemum strobilaceum (κ =0.51), Zygophylum eurypterum (κ =0.58) and Seidlitzia rosmarrinus (κ =0.6) with narrow amplitude is as the same of actual vegetation map prepared for the study area. Predictive model of Artemisia sieberi (κ =0.33), due to its ability to grow in most parts of north east rangeland of Semnan with relatively different habitat condition, is not possible.Keywords: geostatistical method, Kappa statistics, logistic regression, predictive map, Semnan rangelands -
این تحقیق به منظور بررسی رابطه بین حضور گونه های گیاهی با عوامل محیطی در محدوده حاشیه کویر چاه بیکی استان یزد انجام شد. بعد از تهیه نقشه پوشش گیاهی در منطقه معرف هر تیپ رویشی با روش تصادفی-سیستماتیک در امتداد 5 ترانسکت 500 متری 50 پلات نمونه برداری مستقر شد. اندازه پلات های نمونه برداری با توجه به نوع و پراکنش گونه های گیاهی به روش حداقل سطح تعیین شد. در داخل پلات ها، فهرست گیاهان موجود، درصد تاج پوشش و تعداد گیاهان تعیین گردید. همچنین در داخل هر پلات، پروفیل حفر شد که با توجه به مرز تفکیک افق ها در منطقه و نوع گیاهان موجود از دو عمق 0-30 و 30-80 سانتی متر نمونه خاک برداشت شد و خصوصیات درصد رس، سیلت، ماسه، آهک، گچ، اسیدیته، هدایت الکتریکی، سدیم، کلسیم، منیزیم، کلرید، کربنات، بی کربنات و سولفات اندازه گیری گردید. به منظور تعیین رابطه حضور گونه های گیاهی با عوامل محیطی از روش رگرسیون لجستیک استفاده شد. نتایج این تحقیق نشان می دهد که مهمترین خصوصیات مؤثر بر پراکنش پوشش گیاهی منطقه، سنگریزه، رطوبت اشباع، آهک، میزان اسیدیته و هدایت الکتریکی خاک است. حضور گونه های Cornulaca monacanthaو Calligonum comosum با سنگریزه عمق اول خاک رابطه مثبت و با رطوبت اشباع عمق دوم رابطه منفی دارد. افزایش آهک خاک باعث حضور گونه Seidlitzia rosmarinus می شود. حضور گونه Haloxylon aphyllumبا اسیدیته خاک بیشترین ارتباط را دارد. افزایش هدایت الکتریکی باعث حضور گونهTamarix ramosissima می شود.
کلید واژگان: پیش بینی حضور گونه گیاهی, رگرسیون لوجستیک, عوامل محیطی, کویر چاه بیکی
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.